論文の概要: Patient-Centered RAG for Oncology Visit Aid Following the Ottawa Decision Guide
- arxiv url: http://arxiv.org/abs/2507.04026v1
- Date: Sat, 05 Jul 2025 12:37:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-08 15:46:34.982351
- Title: Patient-Centered RAG for Oncology Visit Aid Following the Ottawa Decision Guide
- Title（参考訳）: Ottawa Decision Guide による腫瘍診察支援のための患者中心型RAG
- Authors: Siyang Liu, Lawrence Chin-I An, Rada Mihalcea,
- Abstract要約: 本稿では,非インフォームドからビジター対応まで,患者が進行するのを支援する対話型検索型生成支援システムを提案する。
本システムは,Ottawa Personal Decision Guideを動的検索拡張生成ワークフローに適用する。
- 参考スコア（独自算出の注目度）: 24.618251536381887
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Effective communication is essential in cancer care, yet patients often face challenges in preparing for complex medical visits. We present an interactive, Retrieval-augmented Generation-assisted system that helps patients progress from uninformed to visit-ready. Our system adapts the Ottawa Personal Decision Guide into a dynamic retrieval-augmented generation workflow, helping users bridge knowledge gaps, clarify personal values and generate useful questions for their upcoming visits. Focusing on localized prostate cancer, we conduct a user study with patients and a clinical expert. Results show high system usability (UMUX Mean = 6.0 out of 7), strong relevance of generated content (Mean = 6.7 out of 7), minimal need for edits, and high clinical faithfulness (Mean = 6.82 out of 7). This work demonstrates the potential of combining patient-centered design with language models to enhance clinical preparation in oncology care.
- Abstract（参考訳）: 効果的なコミュニケーションはがん治療に不可欠であるが、患者は複雑な医療訪問の準備に苦慮することが多い。
本稿では,非インフォームドからビジター対応まで,患者が進行するのを支援する対話型検索型生成支援システムを提案する。
我々は,Ottawa Personal Decision Guideを動的検索拡張生成ワークフローに適応させ,ユーザが知識ギャップを橋渡しし,個人的価値を明確にし,来訪者にとって有用な質問を生成する。
局所性前立腺癌を中心に,患者と臨床専門家とのユーザスタディを実施している。
その結果、高いシステム利用性(UMUX平均7点中6.0点)、生成内容の強い関連性(7点中6.7点)、編集の必要性の最小化(平均7点中6.82点)、高い臨床忠実度(平均7点中6.82点)が示された。
本研究は, 患者中心のデザインと言語モデルを組み合わせることにより, 腫瘍治療における臨床準備を向上する可能性を示す。
関連論文リスト
- WoundAIssist: A Patient-Centered Mobile App for AI-Assisted Wound Care With Physicians in the Loop [2.3342755668932957]
我々は、患者中心のAI駆動型モバイルアプリケーションであるWoundAIssistを紹介した。
WoundAIssistは、患者が写真やアンケートを通じて、自宅で定期的に傷を文書化することを可能にする。
デバイス上での創傷セグメンテーションのための軽量深層学習モデルにより、創傷治癒進行の連続的なモニタリングが可能となる。
論文 参考訳（メタデータ） (2025-06-06T14:10:32Z) - Designing AI Tools for Clinical Care Teams to Support Serious Illness Conversations with Older Adults in the Emergency Department [53.52248484568777]
この研究は、EDベースの重篤な病的会話の実証的な理解に貢献し、ハイテイクな臨床環境におけるAIの設計上の考察を提供する。
専門医2名と専門医9名を対象にインタビューを行った。
我々は4段階の重篤な会話ワークフロー(識別、準備、伝導、文書化)を特徴とし、各段階における重要なニーズと課題を特定した。
既存の臨床実践に適合するSICをサポートするAIツールの設計ガイドラインを提示する。
論文 参考訳（メタデータ） (2025-05-30T21:15:57Z) - From Patient Consultations to Graphs: Leveraging LLMs for Patient Journey Knowledge Graph Construction [3.0874677990361246]
患者ジャーニー知識グラフ(PJKG)は、断片化された医療データの課題に対処するための新しいアプローチである。
PJKGのプロセスと構造 : 形式的臨床文書と非構造的患者とプロジェクタの会話
これらのグラフは、臨床遭遇、診断、治療、結果の間の時間的および因果関係をカプセル化する。
論文 参考訳（メタデータ） (2025-03-18T14:44:28Z) - Intelligent Clinical Documentation: Harnessing Generative AI for Patient-Centric Clinical Note Generation [0.0]
本稿では,クリニカルドキュメンテーションプロセスの合理化のための生成AI(Artificial Intelligence)の可能性について検討する。
本稿では,自然言語処理 (NLP) と自動音声認識 (ASR) 技術を用いて患者と臨床の相互作用を転写するケーススタディを提案する。
この研究は、時間節約、ドキュメント品質の改善、患者中心のケアの改善など、このアプローチの利点を強調している。
論文 参考訳（メタデータ） (2024-05-28T16:43:41Z) - Impact of Large Language Model Assistance on Patients Reading Clinical Notes: A Mixed-Methods Study [46.5728291706842]
臨床記録をより読みやすくするために,大言語モデル(LLM)を用いた患者対応ツールを開発した。
乳がんの既往歴のある患者から寄贈された臨床記録と臨床医からの合成ノートを用いて,本ツールの試験を行った。
論文 参考訳（メタデータ） (2024-01-17T23:14:52Z) - Natural Language Programming in Medicine: Administering Evidence Based Clinical Workflows with Autonomous Agents Powered by Generative Large Language Models [29.05425041393475]
ジェネレーティブ・大型言語モデル(LLM)は医療において大きな可能性を秘めている。
本研究は, シミュレーション3次医療センターにおいて, 自律型エージェントとして機能するLSMの可能性を評価した。
論文 参考訳（メタデータ） (2024-01-05T15:09:57Z) - RECAP-KG: Mining Knowledge Graphs from Raw GP Notes for Remote COVID-19
Assessment in Primary Care [45.43645878061283]
本稿では,患者相談の前後に書かれた生のGP医療ノートから知識グラフ構築を行うフレームワークを提案する。
私たちの知識グラフには、既存の患者の症状、その持続時間、重症度に関する情報が含まれています。
本フレームワークを英国における新型コロナウイルス患者の相談ノートに適用する。
論文 参考訳（メタデータ） (2023-06-17T23:35:51Z) - Large Language Models for Healthcare Data Augmentation: An Example on
Patient-Trial Matching [49.78442796596806]
患者-心電図マッチング(LLM-PTM)のための革新的なプライバシ対応データ拡張手法を提案する。
本実験では, LLM-PTM法を用いて平均性能を7.32%向上させ, 新しいデータへの一般化性を12.12%向上させた。
論文 参考訳（メタデータ） (2023-03-24T03:14:00Z) - VBridge: Connecting the Dots Between Features, Explanations, and Data
for Healthcare Models [85.4333256782337]
VBridgeは、臨床医の意思決定ワークフローに機械学習の説明をシームレスに組み込むビジュアル分析ツールである。
我々は,臨床医がMLの特徴に慣れていないこと,文脈情報の欠如,コホートレベルの証拠の必要性など,3つの重要な課題を特定した。
症例スタディと専門医4名のインタビューを通じて, VBridgeの有効性を実証した。
論文 参考訳（メタデータ） (2021-08-04T17:34:13Z) - Clinical Outcome Prediction from Admission Notes using Self-Supervised
Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。
退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。
複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文 参考訳（メタデータ） (2021-02-08T10:26:44Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。